[논문 리뷰]비정상 호흡 감지를 위한 신호 분석

논문 출처: http://jsstec.org/xml/24887/24887.pdf

---

현재 소속중인 연구실에서 헬스 케어를 연구중이다. 교수님께서 내주신 과제는 호흡 패턴에 의한 호흡 데이터 확보.

20년 넘게 살면서 정말 쳐다도 안본 분야다. 다행히 아직은 살기 좋은 세상이다. 인터넷을 뒤지다가 좋은 논문을 하나 발견했다.

---

Abstract

유아 및 아동에게 진료를 할 때 행동 조절이 어려운 경우가 많다. 이 때 환자들이 공포심을 갖지 않고 심리적인 불안감을 안정시키기 위해서 병원에서 많은 방법을 사용한다.

심리적 방법, 신체적 억제법, 약물을 이용한 의식하 진정 요법 등 여러가지 방법이 있지만 이 방법들이 불충분한 경우 특별한 행동조절법이 요구된다. 수면 마취를 이용하면 환자에게 필요한 모든 치료를 한번에 실행할 수 있을 뿐만 아니라 의식이 없는 상태에서 치료가 진행되기 때문에 공포도 유발하지 않아 긍정적 효과를 기대해볼만 하다.

그러나, 수면 마취 치료를 진행할 때 호흡이 무의식 상태인 환자는 호흡이 불안정해져 여러 사고가 발생할 수 있다. 이런 사고를 방지하기 위해 환자의 호흡 상태를 파악할 필요가 있다. 일반적으로 청진기를 이용하나 불안정한 호흡을 감지하기 위해선 직고나적인 방식을 통해 실시간으로 판별할 필요가 있다. 

이 논문에서는 환자의 호흡 신호를 분석해 정상 호흡과 비정상 호흡을 파악하고, 이를 구분할 수 있는 분류 기준을 세우는 것이 목적이다. 

---

Method

---

호흡 데이터 수집

각 호흡에 대한 특성을 파악하고 충분한 데이터 셋을 확보하는 것은 매우 중요하다. 호흡은 비정상성을 가진 신호 이므로 데이터 수집을 위한 센서 배치나 신호처리 방법의 차이로 인해 특징 분석의 결과가 달라질 수 있다.

청진 시 호흡 측정은 주로 흉벅과 기도에서 이루어진다. 호흡의 고주파 성분은 2kHz까지 분포하는데 흉벽에서 측정하는 경우 호흡이 폐 조직에 흡수되기 때문에 주파수가 증가할수록 신호가 감쇠하는 경향도 있다. 그렇기 때문에 본 논문에서는 흉벽이 아닌 기도에서 측정을 하는 게 프로그램을 이용한 분석에 용이하다고 판단했다.

Figure 1. 호흡음 측정 방법

Figure 1과 같이 환자가 누워있는 자세에서 왼쪽 우각부에 청진기를 부착해 측정 및 녹음을 진행한다. 녹음 시 주변 소음을 최소화 하기 위해 에어컨도 끄고 진행해야 한다.

---

호흡 데이터 수집 대장

본 논문에서는 총 10명의 데이터를 측정했다. 각 환자별 특징은 다음 표와 같다.

Patient (환자)	Age (나이)	Gender (성별)	Oral respiration (구강 호흡)	Snoring (코 골이)
1	22	Female	x	x
2	22	Female	x	x
3	29	Male	x	x
4	28	Female	o	x
5	28	Female	x	x
6	30	Female	x	x
7	30	Male	x	o
8	39	Female	x	x
9	27	Female	o	x
10	29	Male	x	x

---

호흡 분석을 위한 신호 처리 기초 이론

1. 음향 신호의 특성

음향 신호를 분석하는데 대표적으로 Fourier Transform (푸리에 변환)이 사용된다. 이 기법은 시간 영역의 신호를 주파수 영역에서 관찰이 가능하다. 시간 영역에서는 신호의 파형, 세기, 주기성 등을 파악할 수 있고 실시간 정보를 포함하고 있어 시간에 따른 진폭의 변화도 알 수 있다.

주파수 영역에서는 신호의 주파수 분포를 파악할 수 있으며 진폭을 통해 신호에 주파수가 포함된 정도를 파악할 수 있다.

푸리에 변환의 공식은 다음과 같다.

2. 데이터 전처리

음향 신호는 아날로그 신호이므로 샘플링 및 양자화를 통해 디지털 신호로의 변환이 필요하다. 샘플링은 연속 신호를 이산 신호로 변환하고, 양자화는 이를 디지털 신호로 변환한다. 이 과정속에서 데이터 손실을 최소화하기 위해 나이퀴스트 이론을 적용한다.

나이퀴스트 이론에 대해선 다음 링크 참고: https://ralasun.github.io/signal%20analysis/2021/07/01/nyq/

나이퀴스트 이론(Nyquist frequency) · Ralasun Resarch Blog

Figure 2. 신호 변환 과정

3. 신호 분석 방법

정상 호흡과 비정상 호흡을 구별하려면 뚜렷한 특징을 파악해야 한다. 또한 환자별로 호흡음도 다르기 때문에 호흡 특징도 파악할 필요가 있다. 본 논문에서는 FFT, STFT, WT를 사용하여 비정상 호흡음을 분석하였다.

3.1 FFT (Fast Fourier Transform)

고속 푸리에 변환이라고 한다. 이산적인 nn 개의 데이터가 주어질 때 이를 O(nlog⁡n)O(nlogn)의 연산량만으로 빠르게 DFT하는 알고리즘이다. 이를 적용하면 신호의 주파수 구성요소와 신호에 각 주파수가 포함되어 있는 정도를 파악할 수 있다. 하지만 전체 신호를 대상으로 변환하기 때문에 주파수 성분이 어느 시점에 각각 존재하는지는 파악하기 힘들다.

3.2 STFT (Short Time Fourier Transform)

STFT는 시간에 따라 주파수 성분이 변하는 신호의 시간 영역 정보를 효율적으로 분석하기 위한 방법이다. 신호에 윈도우 함수를 적용, 임의의 길이로 나누고 고정된 윈도우를 일정하게 이동시키며 각 구간에서 FFT를 계산한다. 시간과 주파수가 2개축 그래프로 이루어져 있어 주파수 성분을 알 수 있다. 이는 비정상성을 가진 신호를 분석하는데 유용하다는 의미다. 호흡 신호는 시간에 따라 특성이 변하기 때문에 STFT가 굉장히 유용하게 쓰일 수 있기 때문에 본 논문에서 채택한 기법이다. 그러나 고정된 윈도우를 사용하는 기법이라 주파수 분해능이 떨어지는 단점이 있다.

3.3 WT (Wavelet Transform)

WT는 신호를 각각 다른 해상도를 가진 주파수로 분해할 수 있는 기법이다. 크기가 다른 여러 개의 윈도우를 사용하여 다중 해상도로 신호를 분석한다. 호흡 신호는 대체적으로 저주파 신호이며, 비정상 호흡은 상대적으로 고주파 신호이다. 따라서 정상 호흡과 비정상 호흡의 비교에 적합하다고 본 논문은 판단했다.

Figure 3. STFT와 WT 기법 비교

---

 Methond

본 논문은 환자 1과 3, 7의 데이터를 중심을 분석 결과 비교를 진행했다.

1. 시간 영역에서의 호흡 신호

진료 시 의료진들은 청진음이 급변하면 비정상 호흡으로 인지한다. 시간에 따른 호흡 신호의 진폭 변화를 청진음과 비교하여, 정상 호흡과 비정상 호흡을 시각적으로 구분했다. 정상 호흡의 경우 일정한 주기로 호흡이 반복됐지만 비정상 호흡의 경우는 진폭이 크게 변화했다.

Figure 4. 시간 영역에서의 호흡 신호: (a) 1번 환자 (b) 3번 환자 (c) 7번 환자

2. FFT를 적용한 호흡음 분석

환자 호흡 데이터를 수집하여 호흡 신호의 파형, 세기, 주기성을 파악하고 시간 영역 신호에 FFT를 적용하여 신호의 주파수 성분과, 각 주파수 별로 신호가 포함된 정도를 확인한다. 대체적으로 정상 호흡은 200Hz이하에 존재하며 비정상 호흡은 400~800Hz에서 존재한다. 그러나 FFT를 통해 호흡 신호를 주파수 영역에서 관찰한 것만으로 정상 호흡과 비정상 호흡의 주파수 영역 구분은 힘들다.

Figure 5. FFT에서의 호흡 신호 비교: (a) 환자 1 (b) 환자 3 (c) 환자 7

3. STFT를 적용한 호흡음 분석

비정상 호흡음은 시간에 따라 신호의 특성이 계속해서 변화한다. 따라서 전체 신호를 대상으로 분석하는 FFT로는 명확이 파악할 수 없다. 그렇기 때문에 본 논문에서는 STFT 또한 적용하여 호흡을 분석한 것이다. Figure 6은 수집한 환자의 호흡 데이터에 카이저 윈도우를 사용하여 일정한 시간 간격으로 윈도우를 이동시키며 호흡을 분석한 결과이다. STFT를 적용하고 주파수 범위를 +-2kHz로 정규화한다. 각 환자의 호흡 주기 별로 주파수 분포가 일정하다가 비정상 호흡 시 변화가 나타나는 것을 확인할 수 있다. 또한 각 환자별로 발생하는 비정상 호흡을 Figure 6에서 파악할 수 있다.

Figure 6. STFT를 적용한 호흡 신호 분석: (a) 환자 1 (b) 환자 3 (c) 환자 7

4. WT를 적용한 호흡음 분석

정상 호흡과 비정상 호흡의 특성을 파악하기 위해 본 논문은 WT를 적용하여 호흡음을 분석한다. WT를 이용하면 호흡 신호에 다양한 윈도우 크기를 적용할 수 있어 다중 해상도 관찰이 가능하다. Figure 7은 MATLAB에서 환자 1, 3, 7의 호흡 신호에 WT를 적용한 결과다. 시간-주파수 정보를 동시에 파악할 수 있으며 시간에 따른 진폭 변화도 확인할 수 있다. 비정상 호흡이 나타나는 구간도 마찬가지다. Figure 7-(c)과 같이 시간 영역에서 정상 호흡과 비정상 호흡의 진폭 차이가 상당히 클 경우에는 비정상 호흡임을 더 명확하게 확인이 가능하다.

Figure 7. WT를 적용한 호흡 신호 분석: (a) 환자 1 (b) 환자 3 (c) 환자 7

---

Conclusion

본 논문의 목적은 비정상적인 호흡이 나타나는 환자 10명의 실제 호흡을 녹음한 후 분석하여 정상 호흡과 비정상 호흡의 특성을 파악 및 비교하고자 하는 데에 있다. 신호처리 이론을 바탕으로 MATLAB과 python을 이용해 분석 비교하였다. 시간 영역에서는 시간에 따른 신호의 파형 변화를 관찰할 수 있었으며 호흡의 주기를 알 수 있었다.

FFT를 적용한 결과 전체 호흡 신호의 주파수 성분과 그 성분이 포함된 정도를 파악할 수 있었다. 그러나 FFT는 전체 신호를 대상으로 분석하기 때문에 정상 호흡과 비정상 호흡 어떤 주파수 범위에 존재하는지 파악하기 어려우며 이를 보완하기 위해 STFT를 적용시킨다.

STFT를 적용한 결과 비정상 호흡이 발생하는 주파수 범위와 시간을 색 차이를 통해 시각적으로 파악이 가능했으며, 환자별로 주파수 범위에 차이는 있었으나 일반적으로 비정상 호흡의 주파수가 정상 호흡의 주파수보다 고주파 범위에 존재한다는 것도 확인할 수 있었다.

정상 호흡과 비정상 호흡의 특성을 파악하기 위해 본 논문은 WT를 적용한다. 시간 영역에서의 정상 호흡과 비정상 호흡의 진폭 차이가 매우 큰 경우에는 비정상 호흡이 발생하는 시간이 명확하개 나타났으나, 진폭 차이가 적은 경우에는 판별하기 어렵다는 것을 확인할 수 있다. 

전체적으로 큰 무리 없이 호흡 분석은 진행이 됐으나, 10명의 호흡 데이터만으로는 한계점이 보였다. 충분한 양의 데이터 셋을 확보하면 정상 호흡과 비정상 호흡의 차이를 뚜렷하게 구분할 수 있을 것 같다.

---